Core Concepts
대조 학습 모델을 활용하여 스마트 계약 간 상관관계 정보를 학습하고, 이를 통해 스마트 계약 취약점을 효과적으로 탐지할 수 있다.
Abstract
본 연구는 스마트 계약 취약점 탐지를 위한 새로운 접근법인 Clear를 제안한다. Clear는 다음과 같은 핵심 내용을 포함한다:
데이터 샘플링: 취약한 계약과 정상 계약 쌍을 추출하고, 이들 간의 상관관계 레이블을 생성한다.
대조 학습: 계약 간 상관관계 정보를 학습하기 위해 대조 학습 모델을 구축한다. 이 모델은 문맥 증강 모듈, Transformer 모듈, 대조 손실 함수로 구성된다.
취약점 탐지: 대조 학습 모듈에서 학습한 상관관계 정보와 계약의 의미 정보를 결합하여 취약점을 탐지한다.
실험 결과, Clear는 13개의 최신 기법들과 비교하여 우수한 성능을 보였다. 특히 기존 최고 성능 모델 대비 F1-score가 9.73% 향상되었다. 또한 Clear의 각 모듈이 취약점 탐지 성능에 미치는 영향을 분석한 결과, 대조 학습 모듈이 핵심적인 역할을 함을 확인하였다. 마지막으로 Clear의 대조 학습 모듈이 다른 딥러닝 모델의 성능도 크게 향상시킬 수 있음을 보였다.
Stats
취약한 계약의 경우 평균 95.44%의 높은 재현율을 보였다.
취약점 탐지 모델의 평균 정밀도는 93.64%로 나타났다.
전체적인 F1-score는 94.52%로 기존 최고 모델 대비 9.73% 향상되었다.
Quotes
"Clear는 기존 최고 성능 모델 대비 F1-score가 9.73% 향상되었다."
"대조 학습 모듈이 취약점 탐지 성능에 핵심적인 역할을 함을 확인하였다."
"Clear의 대조 학습 모듈이 다른 딥러닝 모델의 성능도 크게 향상시킬 수 있음을 보였다."